자율주행 차량의 적응형 순항 제어 성능 평가 및 최적화: CARLA 시뮬레이터를 이용한 습윤 및 건조 기상 조건에 대한 연구
CARLA 시뮬레이터를 사용하여 습윤 및 건조 기상 조건에서 자율주행 차량의 적응형 순항 제어 성능을 평가하고 최적화하는 것이 이 연구의 핵심 목적이다.
차선 감지를 위한 최적화된 경량 CNN 구조
본 연구는 의미론적 분할과 친화도 필드를 활용하는 차선 감지를 위한 새로운 효율적인 CNN 아키텍처를 제안합니다. 제안된 방법은 고정된 차선 수에 의존하지 않고 차선 픽셀의 인스턴스 분할을 수행할 수 있습니다. 또한 기존 모델보다 적은 매개변수로도 TuSimple 데이터셋에서 우수한 성능을 달성합니다.
운전자 중심의 운전 스타일 적응을 위한 상황 인식
운전 상황에 대한 시각적 특징 인코더와 비지도 학습 기반 클러스터링을 활용하여 개별 운전자의 운전 스타일을 정확하게 모델링할 수 있다.
ISO 34502 교통 방해 시나리오의 시간 논리 공식화: RSS 안전 거리를 이용한 모듈식 구성
본 연구는 ISO 34502 표준에 정의된 주요 교통 방해 시나리오를 시간 논리 언어인 STL로 체계적이고 포괄적으로 공식화하였다. 이를 위해 모듈식 접근법을 사용하고 RSS 거리를 위험 정의에 활용하였다.
단일 에이전트 액터 비평가를 이용한 분산형 협력 주행
단일 에이전트 강화학습을 통해 분산형 협력 주행 정책을 학습하는 새로운 비대칭 액터 비평가 모델을 제안한다.
자율주행 차량의 심층 강화 학습 기반 의사결정 해석
자율주행 차량의 심층 강화 학습 기반 의사결정 모델은 주변 차량의 상태에 대한 주의 집중 메커니즘을 통해 의사결정 과정을 해석할 수 있으며, 이를 통해 인과관계 분석이 가능하다.
자율주행 차량의 행동을 설명할 때 사람들은 목적을 귀속시킨다
사람들은 자율주행 차량의 행동을 설명할 때 그 차량의 목적과 의도를 언급하는 경향이 있다.
실제 교통 데이터를 활용한 확률적 차선 그래프를 이용한 코너 케이스 생성 및 설명
확률적 차선 그래프(PLG)를 활용하여 실제 교통 데이터에 기반한 현실적이고 설명 가능한 코너 케이스 시나리오를 생성할 수 있다.
자율주행 차량을 위한 안전한 선호도 학습 접근법
본 연구는 자율주행 차량에 적용할 수 있는 안전한 선호도 학습 방법을 제안한다. 제안하는 방법은 신호 시간 논리(STL) 기반의 가중치 신호 시간 논리(WSTL)를 활용하여 사용자 선호도와 안전 규칙을 동시에 고려한다.
자율주행 차량을 위한 상호작용 인식 운전 모델의 인간 닮음 정량 평가 방법
운전 모델의 인간 닮음 정성 평가의 중요성과 방법론을 제안한다.
© 2024 by Linnk AI